• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于DE-SVM算法的淘洗機選礦過程優(yōu)化研究

    2024-10-30 00:00:00熊楊董克彬
    黃金 2024年10期

    摘要:研究了基于差分進化算法(DE)和支持向量機(SVM)的混合算法在淘洗機選礦過程中的應(yīng)用。針對選礦過程中淘洗機選礦質(zhì)量差、效率低等問題,提出了DE-SVM算法,并構(gòu)建了相應(yīng)的選礦質(zhì)量預(yù)測模型。試驗結(jié)果表明,DE-SVM算法的平均預(yù)測準確率和預(yù)測精準率分別為93.7 %和95.6 %,基于該算法的淘洗機選礦質(zhì)量預(yù)測模型的預(yù)測精礦回收率和預(yù)測精礦品位絕對誤差分別為98.4 %和0.309 %。相較于其他算法和模型,DE-SVM算法和基于該算法的淘洗機選礦質(zhì)量預(yù)測模型表現(xiàn)出顯著優(yōu)勢,為提高淘洗機選礦質(zhì)量和效率提供了有效方法。

    關(guān)鍵詞:DE算法;SVM;選礦;淘洗機;過程優(yōu)化

    中圖分類號:TD457文章編號:1001-1277(2024)10-0080-04

    文獻標志碼:Adoi:10.11792/hj20241013

    引言

    選礦作為一種將有用礦物與脈石礦物分離的工藝,在礦產(chǎn)品生產(chǎn)過程中扮演著重要角色[1]。選礦過程中,淘洗機的選礦質(zhì)量和效率,決定著整體選別質(zhì)量[2]。淘洗機選礦存在選礦質(zhì)量差、效率低等問題[3]。因此,尋找一種提高淘洗機選礦質(zhì)量和效率的方法對保障選別品位和回收率具有重要意義。支持向量機(Support Vector Machine,SVM)是一種二分類模型,具有魯棒性強和計算效率高等特點,被廣泛應(yīng)用于預(yù)測和識別等領(lǐng)域[4]。然而,SVM具有易發(fā)生過擬合和欠擬合等缺點。差分進化算法(Differential Evolution,DE)是一種高效的全局優(yōu)化算法,具有結(jié)構(gòu)簡單、收斂速度快等優(yōu)勢,能有效彌補SVM的缺陷[5]。因此,研究將DE算法引入SVM,構(gòu)建DE-SVM算法,并將該算法應(yīng)用于淘洗機選礦過程優(yōu)化,以期提高淘洗機選礦質(zhì)量和效率,為選礦過程優(yōu)化提供一定的理論依據(jù)。

    1DE-SVM算法構(gòu)建

    SVM是一種基于統(tǒng)計學(xué)理論的監(jiān)督學(xué)習(xí)模型,其原理是在一個超平面中尋找最大化類之間的間隔,從而求解出二次規(guī)劃的最優(yōu)化算法,具有魯棒性強和計算效率高等特點,被廣泛應(yīng)用于預(yù)測和識別等領(lǐng)域[6]。SVM預(yù)測計算公式如式(1)所示。

    Q=∑nλ=1(bi-b*i)K(ai,A)+c0≤bi,b*i≤B (1)

    式中:Q為SVM的預(yù)測回歸;b*i和bi分別為拉格朗日乘子和常數(shù);n為樣本數(shù);K(ai,A)為徑向基核函數(shù),ai和A分別為支持向量和核函數(shù)中心;c為偏置向量;B為懲罰函因子。

    SVM在處理非線性問題時通常采用徑向基(Radial Basis Function,RBF)核函數(shù)代替非線性的變化,其計算公式如式(2)所示。

    K(ai,A)=exp(-ρai-A2)ρ=1/2σ2 (2)

    式中:ρ為核函數(shù);σ為函數(shù)的寬度參數(shù)。

    由式(1)、式(2)可知:SVM在處理非線性時會受到懲罰因子和核函數(shù)的影響。其中,核函數(shù)為數(shù)據(jù)映射到新的特征空間后的分布,其大小影響SVM的預(yù)測速度,且核函數(shù)與支持向量的數(shù)量呈負相關(guān)關(guān)系,即核函數(shù)越大,支持向量越少,核函數(shù)越小,則支持向量越多;懲罰因子決定了SVM的復(fù)雜度和泛化能力,懲罰因子過大容易發(fā)生過擬合,過小則容易發(fā)生欠擬合。尋找一種方法為SVM選擇出最優(yōu)核函數(shù)和懲罰因子對提高SVM性能具有重要意義。DE算法是一種高效的全局優(yōu)化算法,具有結(jié)構(gòu)簡單、收斂速度快等優(yōu)勢[7],借助其強大的全局搜索特性,能夠為SVM高效率地搜尋最優(yōu)參數(shù)。DE算法計算流程[8]如圖1所示。

    由圖1可知:DE算法基本計算流程為,隨機生成種群并對各個初始化個體進行適應(yīng)度值計算。對個體的適應(yīng)度值進行判斷,以確定其是否滿足條件或判斷是否迭代次數(shù)已用完,如果滿足則終止;反之,采用變異、交叉和選擇操作24P+D3L9YJQtnIc5dS+npH+V/MxZ4hN0MxZPoZqU0PM=對種群進行迭代和重組,從而得到新一代種群,然后再進入迭代,直至滿足終止條件。其中,初始化種群中的個體由設(shè)定在解空間中隨機均勻生成的M個N維個體表示,且wLλ,j≤wλ,j(0)≤wPλ,j,則第λ個個體的第j維wλ,j(0)數(shù)學(xué)表達式如式(3)所示。

    wλ,j(0)=wLλ,j+r(0,1)·(wPλ,j-wLλ,j)(3)

    式中:wLλ,j、wPλ,j分別為N維向量的下限、上限,且i=1,2,…,M;j=1,2,…,N。

    變異操作的作用是將即將變異的個體合體,采用變異因子和差分向量對個體與個體間的差異進行變異操作。設(shè)定在第f代的個體中,選取3個個體,其變異向量vλ(f+1)計算公式如式(4)所示。

    vλ(f+1)=db1(f)+FΔb2,b3(f)(4)

    2024年第10期/第45卷礦業(yè)工程礦業(yè)工程黃金

    式中:b1,b2,b3分別為個體1,2,3,且b1≠b2≠b3;F為變異因子且為0~2;db1為個體1的輸入向量;Δb2,b3(f)為差分向量;f為個體代數(shù)。

    交叉操作的作用是利用交叉算子通過1對1的方式與其父代進行雜交,在保留父代較好信息的同時生成下一代,進而保留種群多樣性。保留父代信息的新種群Tλ,j(f+1)計算公式如式(5)所示。

    Tλ,j(f+1)=vλ,j(f+1)r(0,1)≤τCRdλ,j(f)otherwise (5)

    式中:τCR為交叉算子且其值屬于0到1,其值越趨于0,則收斂速度越快;vλ,j(f+1)為變異個體向量。

    選擇操作的作用是將通過交叉操作得到的新一代種群與其對應(yīng)的父代進行比較,選擇適應(yīng)度高的個體保存到下一代種群中,其計算公式如式(6)所示。

    φi(f+1)=Ti(f+1)φ[Ti(f+1)]<φ[di(f)]di(f)else (6)

    式中:φ為適應(yīng)度函數(shù);φi(f+1)為適應(yīng)度更高的下一代個體。

    基于上述公式,研究將DE算法融入SVM中構(gòu)建了DE-SVM算法,該算法旨在為SVM尋找最優(yōu)參數(shù),DE-SVM算法參數(shù)尋優(yōu)流程如圖2所示。

    由圖2可知:DE-SVM算法首先將經(jīng)標準化處理后的特征數(shù)據(jù)按照2∶1隨機抽取一部分作為訓(xùn)練集,剩下的作為測試集。利用核函數(shù)和懲罰因子對DE算法進行初始化操作,生成初始化種群。隨后,在利用訓(xùn)練集對SVM進行訓(xùn)練的同時計算目標函數(shù)值,通過設(shè)定條件判斷是否滿足條件或者迭代是否完成,如果該函數(shù)值不滿足條件則進入DE算法進行下一代進化。對不滿足條件的個體進行交叉、選擇和變異操作后產(chǎn)生新一代的核函數(shù)和懲罰因子,重新作為SVM的訓(xùn)練集對SVM進行訓(xùn)練,直至滿足條件后作為最優(yōu)的核函數(shù)和懲罰因子進行輸出。

    2基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型

    研究將DE-SVM算法應(yīng)用于淘洗機選礦質(zhì)量預(yù)測,并構(gòu)建基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型,達到優(yōu)化淘洗機選礦過程,提高選礦質(zhì)量的目的。

    選礦工藝流程主要由磨碎、篩分、脫泥和淘洗等組成[9]。其中,淘洗機起到分離礦粉與尾礦、提升礦石品位的作用。淘洗機底閥開度、主水開度和給礦品位等都會影響精礦品位及回收率,因此,研究將淘洗機中與精礦品位有相關(guān)性的因素作為選礦質(zhì)量特征值,并將這些特征值作為DE-SVM算法的輸入值,預(yù)測精礦品位及回收率。對2l2RYGvOllbEA5pfIYOKo2emNjj+8rmE4gL4Chny8vk=數(shù)據(jù)進行標準化處理有利于剔除重復(fù)和冗雜等數(shù)據(jù),提高數(shù)據(jù)質(zhì)量[10-11],標準化公式如式(7)所示。

    Zx=xi-xs(7)

    式中:Zx為標準化后數(shù)據(jù);xi為原始數(shù)據(jù);x為該組數(shù)據(jù)的平均值;s為該組數(shù)據(jù)的標準方差。

    為確保數(shù)據(jù)的有效性,采用抽樣合適性檢驗(Kaiser-Meyer-Olkin,KMO)和巴特利特球度檢驗對標準化數(shù)據(jù)進行驗證,將KMO值大于0.5和巴特利特球度檢驗小于0.05的值進行保留。為使預(yù)測更加準確,使用主因子提取法對特征值進行提取,選取主因子累計方差大于75 %的特征值。主因子計算表達式如式(8)所示。

    Hε=αε1F1+αε1F2+…+αεoFo+λε(8)

    式中:Hε為主因子;αε1,αε2,…,αεo為輸入的特征;F1,F(xiàn)2…,F(xiàn)o為公共因子;λε為不被解釋的因子,ε=1,2,…,4,o=1,2,3且ε≤4。

    將式(8)進行線性變換,得到主成分計算公式如式(9)所示。

    Fo=αε1H1+αε2H2+…+αε4H4(9)

    將提取出符合貢獻率的特征值輸入DE-SVM算法中,對淘洗機選礦質(zhì)量進行預(yù)測,由此,構(gòu)建基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型。該模型的具體計算流程為:選取一部分經(jīng)標準化和主因子提取的特征值數(shù)據(jù)集,隨機抽取一部分作為測試集,剩下的作為訓(xùn)練集;輸入一部分經(jīng)標準化和主因子提取的特征值作為訓(xùn)練集,通過DE算法對SVM進行參數(shù)尋優(yōu)訓(xùn)練;訓(xùn)練完成后,將測試集輸入DE-SVM算法進行選礦質(zhì)量預(yù)測,若選礦質(zhì)量與實際相同則表示訓(xùn)練效果良好,如果不同則重新訓(xùn)練。

    3基于DE-SVM算法的性能分析

    3.1DE-SVM算法性能分析

    為驗證DE-SVM算法性能的優(yōu)越性,研究將其與其他算法進行對比試驗分析。試驗對比算法包括PSO-SVM算法和VtVGG-f算法,試驗對比指標為預(yù)測準確率、預(yù)測精準率。試驗結(jié)果如圖3所示。

    由圖3-a)可知:DE-SVM算法的平均預(yù)測準確率為93.7 %,PSO-SVM算法的平均預(yù)測準確率為88.9 %,VtVGG-f算法的平均預(yù)測準確率為81.2 %,DE-SVM算法的平均預(yù)測準確率最高。由圖3-b)可知:DE-SVM算法的平均預(yù)測精準率為95.6 %,PSO-SVM算法的平均預(yù)測精準率為90.8 %,VtVGG-f算法的平均預(yù)測精準率為83.7 %,DE-SVM算法的平均預(yù)測精準率最高。從精準率和準確率2個維度來看,DE-SVM算法的性能顯著優(yōu)于其他算法,具有有效性。

    各算法的運行時間和損失值對比結(jié)果如圖4所示。

    由圖4-a)可知:DE-SVM算法的平均運行時間為0.37 s,PSO-SVM算法的平均運行時間為0.42 s,VtVGG-f算法的平均運行時間為0.63 s,DE-SVM算法平均運行時間最低。由圖4-b)可知:DE-SVM算法的平均損失值為0.12,PSO-SVM算法的平均損失值為0.23,VtVGG-f算法的平均損失值為0.41,DE-SVM算法平均損失值最低。從運行時間和損失值2個維度來看,DE-SVM算法性能優(yōu)于對比算法。

    3.2淘洗機選礦質(zhì)量預(yù)測模型性能分析

    為驗證基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型(模型1)性能的優(yōu)越性,將其與基于PSO-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型(模型2)和基于VtVGG-f算法的淘洗機選礦質(zhì)量預(yù)測模型(模型3)進行對比試驗分析。試驗指標為預(yù)測精礦回收率和預(yù)測精礦品位絕對誤差。試驗結(jié)果如圖5所示。

    由圖5-a)可知:各模型預(yù)測精礦回收率在實際值上下浮動,其中,模型1的平均預(yù)測精礦回收率為98.4 %,模型2平均預(yù)測精礦回收率為97.3 %,模型3平均預(yù)測精礦回收率為97.1 %,模型1的平均預(yù)測精礦回收率最高。由圖5-b)可知:模型1的平均預(yù)測精礦品位絕對誤差為0.309 %,模型2的平均預(yù)測精礦品位絕對誤差為0.486 %,模型3的平均預(yù)測精礦品位絕對誤差為0.687 %,模型1的平均預(yù)測精礦品位絕對誤差最低。結(jié)果表明,基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型性能優(yōu)于對比模型,具有實用性。

    4結(jié)論

    1)為解決選礦過程中淘洗機選礦質(zhì)量差、效率低等問題,研究將DE算法引入SVM,利用DE算法對SVM的參數(shù)選擇進行優(yōu)化,構(gòu)建DE-SVM算法,并將該算法應(yīng)用于淘洗機選礦質(zhì)量預(yù)測模型,構(gòu)建了基于DE-SVM的淘洗機選礦質(zhì)量預(yù)測模型。將該算法與其他算法對比分析發(fā)現(xiàn),DE-SVM算法性能優(yōu)于對比算法,具有有效性。

    2)將基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型與基于PSO-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型和基于VtVGG-f算法的淘洗機選礦質(zhì)量預(yù)測模型進行精礦回收率和預(yù)測精礦品位絕對誤差維度的性能對比分析,結(jié)果發(fā)現(xiàn),基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型的平均預(yù)測精礦回收率為98.4 %,平均預(yù)測精礦品位絕對誤差為0.309 %,相較于其他對比模型,研究提出的基于DE-SVM算法的淘洗機選礦質(zhì)量預(yù)測模型性能優(yōu)越,具有實用性,有助于提高淘洗機選礦質(zhì)量和效率。但是,實際的選礦過程更為復(fù)雜,對實際環(huán)境中復(fù)雜選礦過程進行優(yōu)化是進一步研究方向。

    [參 考 文 獻]

    [1]殷博,朱繼華,徐海東,等.基于貴金屬納米顆粒生長的比色傳感研究進展[J].化學(xué)通報,2023,86(6):690-698.

    [2]龍冰,謝加文,黃偉生,等.柿竹園磁鐵礦粗精礦提質(zhì)選礦實驗[J].礦產(chǎn)綜合利用,2022(4):41-47.

    [3]吳鵬.新疆哈密某選廠利用淘洗機提質(zhì)降雜的應(yīng)用[J].冶金與材料,2024,44(7):34-36.

    [4]WANG S,MU M.Exploring online intelligent teaching method with machine learning and SVM algorithm[J].Neural Computing and Applications,2021,34:2 583-2 596.

    [5]丁學(xué)振,李卓軒,李予國,等.基于差分進化算法的磁梯度張量系統(tǒng)誤差校正[J].地球物理學(xué)報,2022,65(12):4 930-4 943.

    [6]SAMANTARAY S,SAHOO A.Prediction of suspended sediment concentration using hybrid SVM-WOA approaches[J].Geocarto International,2022,37(19):5 609-5 635.

    [7]王波,陳川輝,于競宇.基于差分進化算法的智能化預(yù)制廠房設(shè)備資源配置優(yōu)化[J].科學(xué)技術(shù)與工程,2023,23(25):10 941-10 947.

    [8]高穎,夏斌,張立曄,等.差分進化協(xié)同定位算法研究[J].無線電工程,2023,53(9):2 151-2 157.

    [9]米子軍,羅良飛,李宗蔚,等.峨口鐵礦二磁精礦制備高品質(zhì)鐵精礦粉試驗研究[J].礦冶工程,2023,43(6):88-91.

    [10]許洪峰,牛艷萍.陽離子浮選體系中藍晶石族礦物與石英的交互影響[J].礦冶工程,2023,43(3):56-60.

    [11]王斌,王業(yè),孫齊振,等.基于增量支持向量機算法的大數(shù)據(jù)網(wǎng)絡(luò)安全系統(tǒng)檢測技術(shù)JfjXEclQ+ExiS1MhQOS+o1245qVUaxWfBK5K1DzZh90=[J].自動化與儀器儀表,2024(8):9-13.

    Optimization study of mineral processing in elutriation machine using DE-SVM algorithm

    Xiong Yang,Dong Kebin

    (Civil-Military Integration Center of China Geological Survey)

    Abstract:This study explores the application of a hybrid algorithm based on Differential Evolution (DE) and Support Vector Machine (SVM) in the mineral processing of elutriation machine.To address the problems of low quality and efficiency in metal beneficiation during elutriation,the DE-SVM algorithm was proposed,and a corresponding beneficiation quality prediction model was constructed.Experimental results showed that the average prediction accuracy and precision of the DE-SVM algorithm were 93.7 % and 95.6 %,respectively.The predicted concentrate recovery rate and the absolute error of predicted concentrate grade using the model were 98.4 % and 0.309 %,respectively.Compared with other algorithms and models,the DE-SVM algorithm and its associated elutriation machine beneficiation quality prediction model demonstrated significant advantages,providing an effective method to improve the quality and efficiency of precious metal beneficiation.

    Keywords:DE algorithm;SVM;beneficiation;elutriation machine;process optimization

    人人妻人人添人人爽欧美一区卜| 亚洲av.av天堂| 免费观看a级毛片全部| 日本午夜av视频| 国产精品秋霞免费鲁丝片| 伊人亚洲综合成人网| 精品国产一区二区三区四区第35| 精品国产超薄肉色丝袜足j| 在线观看一区二区三区激情| 免费观看av网站的网址| 中文字幕另类日韩欧美亚洲嫩草| 欧美精品亚洲一区二区| 亚洲欧美中文字幕日韩二区| 欧美日韩av久久| 99九九在线精品视频| 国产精品国产三级国产专区5o| 国产精品香港三级国产av潘金莲 | 一边摸一边做爽爽视频免费| 国产淫语在线视频| 天堂中文最新版在线下载| 精品一区二区三区四区五区乱码 | 69精品国产乱码久久久| 美女福利国产在线| 女人被躁到高潮嗷嗷叫费观| 亚洲中文av在线| 男人操女人黄网站| 啦啦啦在线免费观看视频4| 精品少妇一区二区三区视频日本电影 | 夜夜骑夜夜射夜夜干| 自线自在国产av| 国产在线视频一区二区| 国产欧美日韩综合在线一区二区| av卡一久久| 欧美日韩亚洲高清精品| 国产一区二区激情短视频 | 国产又爽黄色视频| 天堂中文最新版在线下载| 性少妇av在线| 精品少妇内射三级| 国产一区有黄有色的免费视频| 国产精品一区二区在线观看99| 亚洲色图 男人天堂 中文字幕| 一级毛片电影观看| 欧美日韩精品网址| 免费看不卡的av| 久久久久久久久久久久大奶| 久久ye,这里只有精品| 狂野欧美激情性bbbbbb| 免费看不卡的av| freevideosex欧美| 色视频在线一区二区三区| 国产无遮挡羞羞视频在线观看| kizo精华| 波多野结衣一区麻豆| 黑人欧美特级aaaaaa片| 999精品在线视频| 亚洲男人天堂网一区| 18在线观看网站| 欧美少妇被猛烈插入视频| 曰老女人黄片| kizo精华| 国产 一区精品| 我的亚洲天堂| 国产深夜福利视频在线观看| 黄频高清免费视频| 高清av免费在线| 国产老妇伦熟女老妇高清| 国产一区有黄有色的免费视频| 久久人妻熟女aⅴ| 一本—道久久a久久精品蜜桃钙片| 好男人视频免费观看在线| 欧美成人午夜免费资源| 狠狠婷婷综合久久久久久88av| 一本色道久久久久久精品综合| 9191精品国产免费久久| 成年动漫av网址| 男女下面插进去视频免费观看| 亚洲精品乱久久久久久| 下体分泌物呈黄色| 熟女av电影| 一级片'在线观看视频| 不卡av一区二区三区| 一个人免费看片子| 午夜福利在线观看免费完整高清在| 十分钟在线观看高清视频www| 99久久精品国产国产毛片| 午夜福利视频在线观看免费| 国产男女超爽视频在线观看| 午夜激情久久久久久久| 亚洲国产精品成人久久小说| 亚洲,欧美,日韩| 国产精品一国产av| 精品国产国语对白av| av在线老鸭窝| 亚洲精品日韩在线中文字幕| 男女高潮啪啪啪动态图| 香蕉精品网在线| 岛国毛片在线播放| 少妇人妻 视频| 好男人视频免费观看在线| videos熟女内射| 肉色欧美久久久久久久蜜桃| 国产精品三级大全| 丝袜在线中文字幕| 国产免费现黄频在线看| 亚洲综合色网址| a 毛片基地| 久久亚洲国产成人精品v| 青草久久国产| 大片免费播放器 马上看| 亚洲美女搞黄在线观看| 你懂的网址亚洲精品在线观看| 亚洲av福利一区| 人妻少妇偷人精品九色| 精品少妇黑人巨大在线播放| 十分钟在线观看高清视频www| 亚洲精品日本国产第一区| 国产淫语在线视频| 欧美bdsm另类| 在线 av 中文字幕| 欧美+日韩+精品| 免费观看a级毛片全部| 午夜日韩欧美国产| 一区二区日韩欧美中文字幕| 欧美日韩精品成人综合77777| 美女福利国产在线| 国产精品久久久av美女十八| 这个男人来自地球电影免费观看 | 久久久久久免费高清国产稀缺| 亚洲中文av在线| 国产精品亚洲av一区麻豆 | 国产精品香港三级国产av潘金莲 | 亚洲av欧美aⅴ国产| 精品一区在线观看国产| 韩国精品一区二区三区| 日本免费在线观看一区| 丰满迷人的少妇在线观看| 999精品在线视频| 久久国产精品大桥未久av| 爱豆传媒免费全集在线观看| 在线免费观看不下载黄p国产| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 欧美国产精品va在线观看不卡| 精品一品国产午夜福利视频| av福利片在线| 下体分泌物呈黄色| 亚洲成av片中文字幕在线观看 | 性色av一级| 久久久久国产网址| 2018国产大陆天天弄谢| 国产欧美日韩一区二区三区在线| 亚洲欧美精品自产自拍| 黄色怎么调成土黄色| 亚洲精品国产av蜜桃| 99国产综合亚洲精品| √禁漫天堂资源中文www| 婷婷色av中文字幕| 老司机影院毛片| 色哟哟·www| 久久久精品区二区三区| 亚洲av日韩在线播放| 欧美国产精品一级二级三级| 国产无遮挡羞羞视频在线观看| 国产成人精品在线电影| 欧美精品av麻豆av| 国产日韩欧美亚洲二区| 国产黄频视频在线观看| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产av新网站| 国产精品嫩草影院av在线观看| 尾随美女入室| 可以免费在线观看a视频的电影网站 | 午夜精品国产一区二区电影| 午夜福利在线观看免费完整高清在| 久久午夜综合久久蜜桃| 永久网站在线| 欧美日韩精品成人综合77777| 又黄又粗又硬又大视频| 考比视频在线观看| 成人国语在线视频| 性色av一级| 99国产综合亚洲精品| 激情五月婷婷亚洲| 久久久久久久大尺度免费视频| 一级毛片黄色毛片免费观看视频| 9色porny在线观看| 国产又爽黄色视频| 国产欧美日韩综合在线一区二区| 久久精品夜色国产| 人体艺术视频欧美日本| 我的亚洲天堂| 国产激情久久老熟女| 麻豆乱淫一区二区| 国产福利在线免费观看视频| 久久国产亚洲av麻豆专区| 天天影视国产精品| 久久久久精品久久久久真实原创| 国产精品嫩草影院av在线观看| 亚洲成av片中文字幕在线观看 | 欧美成人精品欧美一级黄| 你懂的网址亚洲精品在线观看| 国产高清国产精品国产三级| 国产xxxxx性猛交| 免费观看a级毛片全部| 在现免费观看毛片| 亚洲人成77777在线视频| 日本猛色少妇xxxxx猛交久久| 美女视频免费永久观看网站| 亚洲精品日韩在线中文字幕| 国产亚洲欧美精品永久| 18禁动态无遮挡网站| 满18在线观看网站| 亚洲成人手机| 久久毛片免费看一区二区三区| 日韩制服骚丝袜av| 飞空精品影院首页| 久久久亚洲精品成人影院| av卡一久久| 久久毛片免费看一区二区三区| 极品人妻少妇av视频| 一边摸一边做爽爽视频免费| 午夜福利网站1000一区二区三区| 嫩草影院入口| 中文字幕人妻丝袜一区二区 | 春色校园在线视频观看| 一级爰片在线观看| 久久精品亚洲av国产电影网| 免费观看性生交大片5| 天堂俺去俺来也www色官网| 99re6热这里在线精品视频| 中国三级夫妇交换| 韩国精品一区二区三区| 国产熟女午夜一区二区三区| 国产乱来视频区| 黑丝袜美女国产一区| 免费久久久久久久精品成人欧美视频| 国产乱人偷精品视频| 婷婷色麻豆天堂久久| 午夜福利影视在线免费观看| 久久精品人人爽人人爽视色| 免费观看性生交大片5| 精品人妻在线不人妻| 国产成人91sexporn| 麻豆乱淫一区二区| 国产成人精品无人区| 久久97久久精品| 赤兔流量卡办理| 日韩大片免费观看网站| 久久精品国产鲁丝片午夜精品| freevideosex欧美| 国产精品99久久99久久久不卡 | 亚洲伊人久久精品综合| 丝袜在线中文字幕| 91国产中文字幕| 亚洲四区av| 成年人免费黄色播放视频| 精品午夜福利在线看| 国产爽快片一区二区三区| 国产精品 国内视频| 性色avwww在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久热久热在线精品观看| 只有这里有精品99| 亚洲欧美中文字幕日韩二区| 亚洲欧美精品自产自拍| 亚洲综合精品二区| 久久久国产精品麻豆| 成人影院久久| 亚洲精品久久成人aⅴ小说| 久久久精品国产亚洲av高清涩受| 丝袜在线中文字幕| 亚洲美女黄色视频免费看| 久久久久精品性色| 欧美日韩一区二区视频在线观看视频在线| 国产精品久久久久久av不卡| 精品酒店卫生间| 丰满乱子伦码专区| 男女无遮挡免费网站观看| 亚洲欧洲国产日韩| 丝袜在线中文字幕| 亚洲熟女精品中文字幕| 国产精品国产三级国产专区5o| 男女免费视频国产| 国产在视频线精品| 99国产综合亚洲精品| 亚洲精品av麻豆狂野| 国产午夜精品一二区理论片| 自拍欧美九色日韩亚洲蝌蚪91| 久久精品国产亚洲av天美| 亚洲精品,欧美精品| 欧美日韩精品网址| 男的添女的下面高潮视频| 精品国产国语对白av| 日韩,欧美,国产一区二区三区| 国产片内射在线| 久久久久久久亚洲中文字幕| 七月丁香在线播放| 亚洲av在线观看美女高潮| 免费观看a级毛片全部| 国产乱来视频区| 母亲3免费完整高清在线观看 | 国产一区二区激情短视频 | 在线天堂最新版资源| 国产日韩一区二区三区精品不卡| 日韩在线高清观看一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 久久久久久人妻| 街头女战士在线观看网站| 9热在线视频观看99| 叶爱在线成人免费视频播放| 精品卡一卡二卡四卡免费| 伦精品一区二区三区| 国产亚洲午夜精品一区二区久久| 一区福利在线观看| 色哟哟·www| 久久国产精品男人的天堂亚洲| 久久久精品国产亚洲av高清涩受| 黑人巨大精品欧美一区二区蜜桃| 26uuu在线亚洲综合色| 亚洲精品中文字幕在线视频| 欧美日韩视频精品一区| 啦啦啦啦在线视频资源| 日本av免费视频播放| 最近2019中文字幕mv第一页| 日韩av在线免费看完整版不卡| a级毛片黄视频| 天堂中文最新版在线下载| 亚洲国产最新在线播放| 老司机影院毛片| 国产成人a∨麻豆精品| 亚洲国产日韩一区二区| 久久99热这里只频精品6学生| 尾随美女入室| 两个人看的免费小视频| 18禁国产床啪视频网站| 久久ye,这里只有精品| 久久久精品免费免费高清| 精品午夜福利在线看| 午夜福利视频在线观看免费| 国产一区亚洲一区在线观看| 一级爰片在线观看| 国产亚洲欧美精品永久| 精品人妻在线不人妻| 熟女少妇亚洲综合色aaa.| 日本欧美视频一区| 亚洲精品国产一区二区精华液| 国产乱人偷精品视频| 亚洲美女视频黄频| 精品亚洲成a人片在线观看| 人人妻人人澡人人看| 亚洲国产欧美日韩在线播放| 免费观看a级毛片全部| 亚洲av综合色区一区| 91国产中文字幕| 青春草国产在线视频| 亚洲精品久久久久久婷婷小说| 侵犯人妻中文字幕一二三四区| 老鸭窝网址在线观看| 曰老女人黄片| 亚洲精品视频女| 下体分泌物呈黄色| 丝袜人妻中文字幕| 亚洲av综合色区一区| 制服诱惑二区| 国产无遮挡羞羞视频在线观看| 久久99蜜桃精品久久| 亚洲精品第二区| 中文天堂在线官网| 国产免费一区二区三区四区乱码| 在线精品无人区一区二区三| 欧美bdsm另类| 免费在线观看黄色视频的| 啦啦啦视频在线资源免费观看| 自线自在国产av| 在线看a的网站| 亚洲欧洲日产国产| 欧美成人精品欧美一级黄| 亚洲精华国产精华液的使用体验| 久久久久久久久久久免费av| 精品第一国产精品| 亚洲综合精品二区| 国产毛片在线视频| 国产亚洲午夜精品一区二区久久| www日本在线高清视频| 国产白丝娇喘喷水9色精品| 色哟哟·www| 国产深夜福利视频在线观看| 丝袜人妻中文字幕| 欧美 亚洲 国产 日韩一| 99国产精品免费福利视频| 国产男人的电影天堂91| 中文字幕亚洲精品专区| 亚洲av国产av综合av卡| 人妻人人澡人人爽人人| 亚洲,欧美,日韩| 午夜久久久在线观看| 天天躁夜夜躁狠狠躁躁| 精品人妻偷拍中文字幕| 久久精品国产综合久久久| 国产精品不卡视频一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 久久人人97超碰香蕉20202| 在线观看免费日韩欧美大片| 不卡av一区二区三区| 亚洲中文av在线| 一级片'在线观看视频| 欧美成人精品欧美一级黄| 电影成人av| 又黄又粗又硬又大视频| 母亲3免费完整高清在线观看 | 少妇的逼水好多| 91久久精品国产一区二区三区| 欧美激情 高清一区二区三区| 黄色怎么调成土黄色| 亚洲中文av在线| 丰满少妇做爰视频| 国产成人精品久久久久久| 色婷婷久久久亚洲欧美| 汤姆久久久久久久影院中文字幕| 纯流量卡能插随身wifi吗| 国产国语露脸激情在线看| av在线app专区| 国产男人的电影天堂91| 国产精品不卡视频一区二区| 久久 成人 亚洲| 人体艺术视频欧美日本| 人妻少妇偷人精品九色| 午夜日本视频在线| 在线亚洲精品国产二区图片欧美| 日韩大片免费观看网站| 欧美变态另类bdsm刘玥| 久久精品久久精品一区二区三区| 90打野战视频偷拍视频| 中文乱码字字幕精品一区二区三区| 老鸭窝网址在线观看| 黄网站色视频无遮挡免费观看| 日本色播在线视频| 亚洲av在线观看美女高潮| 最近最新中文字幕免费大全7| 男女无遮挡免费网站观看| 国产人伦9x9x在线观看 | 高清欧美精品videossex| 伊人亚洲综合成人网| 丰满饥渴人妻一区二区三| 久久精品国产自在天天线| www.自偷自拍.com| 久久久国产一区二区| 欧美老熟妇乱子伦牲交| 国产av国产精品国产| 夫妻性生交免费视频一级片| 国产精品久久久久久精品电影小说| 汤姆久久久久久久影院中文字幕| 女人被躁到高潮嗷嗷叫费观| 一本色道久久久久久精品综合| 成人亚洲精品一区在线观看| 精品久久久久久电影网| 久久久久久人人人人人| 汤姆久久久久久久影院中文字幕| 不卡av一区二区三区| 人人妻人人澡人人爽人人夜夜| 美女xxoo啪啪120秒动态图| 国产淫语在线视频| 亚洲av男天堂| 亚洲美女搞黄在线观看| 欧美人与性动交α欧美精品济南到 | a 毛片基地| 久久99一区二区三区| 国语对白做爰xxxⅹ性视频网站| 日韩熟女老妇一区二区性免费视频| 色视频在线一区二区三区| 亚洲精华国产精华液的使用体验| 国产亚洲午夜精品一区二区久久| 亚洲第一av免费看| 一本色道久久久久久精品综合| 亚洲伊人色综图| 看非洲黑人一级黄片| 久热久热在线精品观看| 欧美精品一区二区免费开放| 日韩一区二区三区影片| 一级片免费观看大全| 99热全是精品| 少妇人妻 视频| 国产精品香港三级国产av潘金莲 | 欧美国产精品一级二级三级| 国产欧美亚洲国产| 老司机影院成人| 欧美亚洲 丝袜 人妻 在线| 久久人人97超碰香蕉20202| 大码成人一级视频| 99国产精品免费福利视频| 一区二区三区乱码不卡18| 91午夜精品亚洲一区二区三区| 丝袜在线中文字幕| 大码成人一级视频| 精品少妇黑人巨大在线播放| 免费在线观看视频国产中文字幕亚洲 | 国产在视频线精品| 国产精品国产三级专区第一集| 自线自在国产av| 高清av免费在线| 久久久久精品人妻al黑| 热99国产精品久久久久久7| 国产黄频视频在线观看| 丁香六月天网| 国产一区二区 视频在线| 久久久久久久久久人人人人人人| 黄色视频在线播放观看不卡| 久久久久精品久久久久真实原创| 天天躁狠狠躁夜夜躁狠狠躁| 久久人人爽av亚洲精品天堂| 中文字幕另类日韩欧美亚洲嫩草| 一区二区三区激情视频| 成人国语在线视频| 伦精品一区二区三区| 人妻人人澡人人爽人人| 免费人妻精品一区二区三区视频| 丝瓜视频免费看黄片| 日韩不卡一区二区三区视频在线| 日韩制服丝袜自拍偷拍| 看非洲黑人一级黄片| 久久久久久人人人人人| 免费播放大片免费观看视频在线观看| 女的被弄到高潮叫床怎么办| av网站免费在线观看视频| 日韩 亚洲 欧美在线| av网站免费在线观看视频| 黄色视频在线播放观看不卡| 日韩一本色道免费dvd| 在线免费观看不下载黄p国产| 最新的欧美精品一区二区| 麻豆乱淫一区二区| 1024视频免费在线观看| 男人爽女人下面视频在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲色图综合在线观看| 99国产精品免费福利视频| 精品第一国产精品| 亚洲精品一二三| 欧美精品av麻豆av| 1024香蕉在线观看| 欧美日韩视频高清一区二区三区二| 亚洲,欧美精品.| 我的亚洲天堂| 最近的中文字幕免费完整| 中文欧美无线码| 国产亚洲精品第一综合不卡| 成人漫画全彩无遮挡| 99精国产麻豆久久婷婷| 建设人人有责人人尽责人人享有的| 七月丁香在线播放| 深夜精品福利| 我要看黄色一级片免费的| 亚洲色图 男人天堂 中文字幕| 欧美精品高潮呻吟av久久| 在线观看美女被高潮喷水网站| 成年美女黄网站色视频大全免费| 少妇 在线观看| 亚洲综合色惰| 宅男免费午夜| 免费在线观看视频国产中文字幕亚洲 | 老鸭窝网址在线观看| 九色亚洲精品在线播放| 最近中文字幕2019免费版| 视频在线观看一区二区三区| 精品久久久精品久久久| 午夜福利在线观看免费完整高清在| 亚洲精品成人av观看孕妇| 久久精品久久久久久噜噜老黄| 香蕉精品网在线| 日韩中文字幕视频在线看片| 少妇的逼水好多| 一区二区三区四区激情视频| 国产免费现黄频在线看| 亚洲国产色片| 黄片无遮挡物在线观看| 国产欧美日韩一区二区三区在线| 精品久久久久久电影网| 欧美97在线视频| 男女高潮啪啪啪动态图| 久久亚洲国产成人精品v| 亚洲 欧美一区二区三区| 成年美女黄网站色视频大全免费| 日韩一区二区三区影片| 久久这里只有精品19| 美女午夜性视频免费| 亚洲av电影在线观看一区二区三区| 岛国毛片在线播放| 国产老妇伦熟女老妇高清| 国产精品无大码| 乱人伦中国视频| 91久久精品国产一区二区三区| 看十八女毛片水多多多| 不卡av一区二区三区| 2022亚洲国产成人精品| 日韩制服丝袜自拍偷拍| 国产亚洲午夜精品一区二区久久| 久久鲁丝午夜福利片| 日本欧美国产在线视频| 亚洲av中文av极速乱| 亚洲av综合色区一区| 亚洲av男天堂| 热99久久久久精品小说推荐| 在线观看美女被高潮喷水网站| 大陆偷拍与自拍| 亚洲av免费高清在线观看| 汤姆久久久久久久影院中文字幕| 日韩制服丝袜自拍偷拍| 亚洲精品国产一区二区精华液| 秋霞伦理黄片| 国精品久久久久久国模美| 丝袜美腿诱惑在线| 国产精品免费视频内射| 91午夜精品亚洲一区二区三区| 久久久久久久国产电影| 免费久久久久久久精品成人欧美视频|